Comparaison d une distribution observ e une distribution th orique
Download
1 / 6

Comparaison d'une distribution observée à une distribution théorique - PowerPoint PPT Presentation


  • 75 Views
  • Uploaded on

Comparaison d'une distribution observée à une distribution théorique. Situation du problème : Les éléments : Généralisation de la comparaison d’un pourcentage observé à un pourcentage théorique

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' Comparaison d'une distribution observée à une distribution théorique' - quiana


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
Comparaison d une distribution observ e une distribution th orique
Comparaison d'une distribution observée à une distribution théorique

  • Situation du problème :

    • Les éléments :

      • Généralisation de la comparaison d’un pourcentage observé à un pourcentage théorique

      • 1 variable qualitative définissant des classes (ou quantitative mise en classes). On a la fréquence (nombre) de sujets appartenant à chaque classe.

      • 1 distribution théorique soit empirique soit suivant une loi de probabilité théorique concernant les mêmes classes.

      • On aboutit à une table dans laquelle pour chaque classe, on a l’effectif observé et l’effectif théorique correspondant à ce que l’on aurait observé si le caractère étudié suivait la distribution théorique.

    • La question :

      • La distribution observée peut-elle être considérée comme conforme à la distribution théorique ?

      • Les écarts constatés entre valeurs observées et théoriques peuvent - ils être attribués au hasard ?


Comparaison d une distribution observ e une distribution th orique1
Comparaison d'une distribution observée à une distribution théorique

Classe A B C D

Effectif O1 O2 O3 O4

Observé

Effectif

Théorique T1 T2 T3 T4

  • Hypothèses :

    • Hypothèse nulle :

      • Les écarts constatés entre les effectifs observés et théoriques sont le fait du hasard. La distribution observée suit la loi de probabilité théorique.

    • Hypothèse alternative

      • La distribution observée ne suit pas la loi de probabilité théorique considérée.

  • Eléments nécessaires au calcul

    • Table de contingence


Comparaison d une distribution observ e une distribution th orique2
Comparaison d'une distribution observée à une distribution théorique

  • Statistique :

    • Khi 2 “d’adéquation”

      • Degré de liberté :

        • Nombre de classes - 1 - Nombre de paramètres estimés de la loi théorique (si nécessaire).

      • Conditions d’application

        • Tous les effectifs théoriques doivent être supérieurs à 5.

        • Si les conditions ne sont pas remplies, il faut, quand cela est possible, regrouper logiquement des classes ou prendre d’autres méthodes.

    • Sous H0, on estime les effectifs théoriques de chaque case de la table de contingence

    • Pour chaque case on utilise la probabilité théorique s'y rattachant multipliée par l'effectif observé total.

    • Par exemple en cas de loi de distribution (loi normale par exemple) on calcule d'abord la probabilité d'être dans l'intervalle (Bi-Bs) de chaque classe puis l'effectif théorique. Ainsi, la probabilité d'être dans l'intervalle [ -infini; moyenne] est de 0,5. Celle d'être dans l'intervalle [-infini; moyenne - 1,96* écart type] est de 0,025...

    • On calcule ainsi les différents effectifs théoriques en fonction de la loi de probabilité utilisée.


Comparaison d une distribution observ e une distribution th orique3
Comparaison d'une distribution observée à une distribution théorique

2

p

(0-T)

Khi2 = S

1

T

  • Khi 2 “d’adéquation”

    • Calcul pour chaque case des effectifs théoriques

    • Condition d'application : tous les effectifs théoriques doivent être supérieurs à 5 sinon regroupement

    • Calcul du Khi 2

p = Nombre de classes après regroupement

DDL = p -1 - Nombre de paramètres estimés

  • Décision :

  • Si Khi2 > Khi2 alpha => rejet de HO : la distribution n'est pas conforme à la distribution théorique. Recherche du degré de signification p.

  • Sinon rien ne permet de dire que la distribution observée n'est pas conforme à la distribution théorique => H0 acceptée mais attention au risque ß


Comparaison d une distribution observ e une distribution th orique4
Comparaison d'une distribution observée à une distribution théorique

2

2

2

(30-44)

(80 - 6)

(90-150)

= 941,12

+

Khi2=

+

150

6

30

2

  • Exemple 1 :

    • Dans un essai thérapeutique, on a testé un médicament sur 200 patients. Les résultats ont été notés en bons, moyens et mauvais. On a obtenu les pourcentages de bons résultats suivants :

      45% de bons résultats, 15% de résultats moyens et 40% de mauvais résultats

      Dans la littérature ce traitement donne 75% de bons résultats, 22% de résultats moyens et 3% de résultats mauvais. Les résultats observés sont-ils conformes à ceux de la littérature?

  • H0 : Les résultats sont conformes

  • H1 : Les résultats ne sont pas conformes

  • Table de contingence

Bons Moyens Mauvais Total

Obs. 90 (0,45*200) 30 80 200

Théo 150 44 6 200

DDL = 2; Khi20,001 =13,82 => p<0,001

La distribution n'est pas conforme à la distribution observée dans la littérature. Les résultats obtenus sont statistiquement moins bons que ceux de la littérature.

Remarque : le calcul d'un seul des termes du khi 2 (le dernier par exemple) permet de rejeter H0.


Comparaison d une distribution observ e une distribution th orique5
Comparaison d'une distribution observée à une distribution théorique

< 1,55 1,55 - 1,65 1,65 - 1,175 > 1,75 TotalObservé 8 40 102 150 300Probabilité 0,025 0,135 0,34 0,5si Loi NormaleEffectif Théo 7,5 40,5 102 150 300Terme du Khi 2 0,033 0,006 0,000 0,000 Khi 2 = 0,040DDL = 4 - 1 - 2 = 1Khi2 < 3,84 P > 0,05

La distribution observée ne diffère pas de manière statistiquement

significative d'une loi normale de paramètre 1,75; 0,1

  • Exemple 2 :

    Sur 300 étudiants en médecine, la moyenne de la taille est de 1,75m avec un écart type estimé de 0,1m. Ces deux paramètres sont estimés à partir des données de cet échantillon. Vous avez observé 8 étudiants avec une taille inférieure à 1,55m; 40 avec une taille entre 1,55 et 1,65; 102 avec une taille entre 1,65 et 1,75 et 150 avec une taille supérieure à 1,75m

    La distribution de la taille des étudiants en médecine peut elle être considérée comme suivant une loi normale ?

Moyenne estimée = 1,75 - Écart type estimé = 0,1


ad